Sistem Abesensi Wajah dengan Menggunakan Algoritma Haar Cascade dan Local Binary Pattern Histogram (LBPH)

Abstract

The use of facial recognition device is increasing in several applications, such as home security systems, login systems on windows and smartphones and face attendance as a substitute for manual attendance in class. This design aims to replace the role of manual attendance into face attendance by using the IP Camera as an image capture and an openCV library, namely the Haar Cascade algorithm as a face detector and Local Binary Pattern Histogram (LBPH) as a face identifier. Furthermore, attendance data is displayed in Microsoft Excel form. In this face attendance system, face detection and identification are carried out based on several factors which affect the level of face detection and identification accuracy. These factors are the distance between faces and the IP camera, light intensity in the room, and the number of faces that can be detected and identified. The results of the face identification test show 100% accuracy at a distance of 20 cm to 130 cm from the IP Camera, 100% accuracy in room conditions with adequate light intensity and 60% accuracy in room conditions where the light intensity is insufficient or no light, then 100% accuracy in identify 3 face counts.

Penggunaan aplikasi pengenalan wajah semakin meningkat dalam beberapa penerapan seperti, sistem pengaman rumah, sistem login pada windows maupun smartphone, hingga absensi wajah sebagai pengganti absensi manual di kelas. Perancangan ini bertujuan untuk menggantikan peran absensi manual menjadi absensi wajah dengan menggunakan IP Camera sebagai penangkap gambar, library openCV yakni algoritma haar cascade sebagai pendeteksi wajah dan Local Binary Pattern Histogram (LBPH) sebagai pengidentifikasi wajah. Selanjutnya data absensi ditampilkan dalam bentuk Microsoft Excel. Dalam sistem absensi wajah ini, pendeteksian dan pengidentifikasian wajah dilakukan berdasarkan beberapa faktor yang dapat mempengaruhi tingkat akurasi pendeteksian maupun pengidentifikasian wajah. Faktor tersebut berupa jarak wajah dengan IP Camera, intensitas cahaya pada ruangan, dan jumlah wajah yang dapat dideteksi dan diidentifikasi. Hasil pengujian identifikasi wajah menunjukkan akurasi 100% pada jarak 20 cm hingga 130 cm dari IP Camera, akurasi 100% pada kondisi ruangan yang intensitas cahayanya memadai dan akurasi 60% pada kondisi ruangan yang intensitas cahayanya kurang memadai ataupun tidak ada cahaya, serta akurasi 100% dalam mengidentifikasi 3 jumlah wajah.